乳腺癌治療前超聲聯(lián)合MRI參數(shù)預測EGFR的模型構建與評價

程辰 周建國 李雪平 李洪娥 趙紅艷

1連云港市中醫(yī)院超聲科，連云港 222004；2連云港市中醫(yī)院影像科，連云港 222004；3連云港市第一人民醫(yī)院超聲科，連云港 222000

乳腺癌的發(fā)生發(fā)展與生活環(huán)境、遺傳基因等多種因素有關［1］。在大量診斷技術中，影像學檢查技術能夠為患者提供非常詳細的診療信息。2018年，美國國立綜合癌癥網(wǎng)絡制定的《乳腺癌臨床實踐指南》推薦鉬靶、彩色多普勒超聲檢查（US）和磁共振成像（MRI）檢查為乳腺疾病最基本的臨床影像學檢查方法［2］。US因其無輻射、重復性強、普及性高，尤其適用于妊娠期、哺乳期以及青少年女性，在檢查乳腺疾病方面起著關鍵作用。MRI在分辨軟組織方面有良好表現(xiàn)，可發(fā)現(xiàn)隱匿性與微小乳腺癌，目前，已被認為是診斷與評估乳腺癌的重要方式。表皮生長因子受體（EGFR）、E-鈣黏附蛋白（E-cad）等免疫因子在乳腺癌診斷和治療中扮演著越來越重要的角色。近期相關研究顯示，乳腺癌中惡性程度較高的三陰性乳腺癌（triple negative breast cancer，TNBC）患者中有較大比例存在EGFR過表達現(xiàn)象，故對各類靶向治療不敏感的TNBC患者而言，EGFR抑制劑治療可能為其有效的治療方式［3］。但EGFR其檢測與評估依賴于有創(chuàng)檢查或手術，而不同影像學檢查方法的聯(lián)合應用，能夠發(fā)掘更多乳腺癌免疫因子的潛在信息［4-5］。若臨床醫(yī)師在患者治療前或化療過程中，能夠參考影像學指標對乳腺癌發(fā)生/復發(fā)風險做出預測，除了可以縮短患者確診時間，同時也可避免不必要的有創(chuàng)檢查或手術。因此，本研究旨在建立乳腺癌超聲征象/參數(shù)及MRI非形態(tài)學（功能學及血流動力學）參數(shù)預測EGFR表達的模型，并評價模型診斷效能，為臨床乳腺癌治療方案的制定及病情評估給予一定的參考與指導。

資料與方法

1.一般資料

回顧性分析2015年1月至2021年12月連云港市第一人民醫(yī)院經(jīng)新輔助化療（NAC）后手術治療的乳腺癌患者167例，年齡21～79（45.23±11.72）歲。所有患者在NAC治療前，均行乳腺腫塊穿刺活檢并取得組織病理學和EGFR分析結果，患者或家屬簽署知情同意書。

本研究經(jīng)連云港市第一人民醫(yī)院倫理委員會審批通過（JS-20181025001）。

2.方法

2.1.檢查方法 ⑴超聲檢查方法。此研究檢查所用US儀器為彩色超聲診斷儀LOGIQ E9型（美國GE公司），使用ML6-15線陣探頭。被檢測人員采用平臥位、側臥位，對乳腺4個象限與腋窩行常規(guī)檢查，主要對腫塊大小、腫塊邊緣與邊界、微鈣化、彩色多普勒血流成像（CDFI）分級、縱橫比、阻力指數(shù)（RI）等展開評估。指定2名相關工作經(jīng)歷≥5年、經(jīng)驗豐富的超聲醫(yī)師對檢查結果做出診斷。⑵MRI檢查方法。①MRI檢查參數(shù)：此研究檢查所用MRI儀器為Ingenia 3.0T磁共振掃描儀（飛利浦公司），8通道乳腺專用相控陣表面線圈。檢查時，患者呈俯臥位，兩乳自然下垂處在線圈雙孔中，掃描區(qū)域為兩乳腺與腋窩部位。先實施常規(guī)三平面定位掃描，再實施軸位水脂分離（IDEAL）序列掃描，重復時間（TR）6 000 ms，回波時間（TE）100 ms，視野（FOV）32 cm×32 cm，帶寬62.5 kHz，層厚5 mm，層距1 mm，矩陣320×192，激勵次數(shù)（NEX）3次；同時實施矢狀位抑脂快速自旋回波（FSE）序列T2加權成像（T2WI）掃描，TR 3 200 ms，TE 88.9 ms，F(xiàn)OV 20 cm×20 cm，帶寬31.2 kHz，層厚5 mm，層距1 mm，矩陣256×224，NEX 2次。磁共振擴散加權成像（DWI）掃描采用單次激發(fā)自旋回波EPI序列（SE-EPI）橫斷位掃描，TR 6 000 ms，TE 85.3 ms，F(xiàn)OV 32 cm×32 cm，帶寬250 kHz，層厚5 mm，層距1 mm，矩陣128×128，NEX 3次，采用頻率選擇脂肪抑制技術，擴散敏感因子（b值）為800 s/mm2。動態(tài)增強磁共振成像（DCE-MRI）采用快速乳腺容積成像序列（VIBRANT）掃描，相關參數(shù)設定為：TR 4.4 ms，TE 2.1 ms，TI 14 ms，F(xiàn)OV 35 cm×35 cm，帶寬83.3 kHz，層厚1.0 mm，無間隔，矩陣384×256，NEX 0.7次。增強掃描前先掃描蒙片，再使用高壓注射器按照0.2 mmol/kg經(jīng)肘靜脈迅速團注對比劑釓噴酸葡胺（Gd-DTPA）（流速為2.5 ml/s），注射造影劑后0.5 min再掃描，含蒙片在內(nèi)共計掃描時相數(shù)量為11個，單期掃描用時75 s。對比劑注射完畢后，再以相同速度注射20 ml生理鹽水沖洗導管內(nèi)的殘留對比劑。②感興趣區(qū)（ROI）選擇與觀測指標：選擇病灶實質(zhì)區(qū)域及強化最明顯區(qū)域為ROI，盡量避開肉眼可辨別的血管、出血、液化、囊變及壞死部位，ROI面積通常為10 mm×10 mm～20 mm×20 mm。經(jīng)2名≥5年工作經(jīng)驗的放射科診斷醫(yī)生負責通過雙盲法來分析、診斷每例患者的圖像，主要對乳腺病灶形態(tài)、邊緣、增強模式、時間-信號強度曲線（TIC）、表觀擴散系數(shù)（ADC）值等展開評估。

患者穿刺活檢前均行超聲及MRI檢查（兩項檢查的間隔時間不超過5 d）。超聲檢查所記錄的變量為：腫塊大小、腫塊邊緣與邊界、微鈣化、CDFI血流等級、縱橫比、RI等；MRI檢查所記錄的變量為：達峰時間（TTP）、早期強化率（EER）、TIC、最大傾斜率（Max Slope）、信號增強率（SER）、ADC值。

2.2.免疫組化分析方法 針對手術切取腫塊標本，均實施石蠟包埋處理、切片，之后進行HE染色，采用IHC二步法，測定乳腺癌生物標志物EGFR的表達水平（免疫組化試劑盒采用DakoLSAB2通用型免疫組化試劑盒）。免疫因子表達水平分級參照ASCO/CAP（美國臨床腫瘤學會/美國病理學家協(xié)會）發(fā)布的免疫組織化學檢測指南進行判讀。

3.統(tǒng)計學分析

本研究采用R語言4.0.3（https：//www.r-project.org）進行數(shù)據(jù)分析。正態(tài)分布的連續(xù)變量、偏態(tài)分布的連續(xù)變量和分類變量分別以（）、M（P25，P75）和頻率/百分比表示。全部數(shù)據(jù)按照7∶3的比例隨機分為建模組和驗證組，并設置隨機種子。建模組和驗證組之間比較按照上述變量類型分別采用獨立樣本t檢驗、Mann-WhitneyU檢驗和χ2檢驗分析超聲參數(shù)/征象及MRI非形態(tài)參數(shù)與EGFR表達的組間差異。EGFR建模：變量篩選方法采用隨機森林模型（RF），選取Inc Node Purity ＞2的變量作為建模變量。在建模組中采用廣義線性建模（GLM）得到每個建模變量的回歸系數(shù)、比值比（OR）和95%置信區(qū)間，并繪制彩色列線圖。EGFR和Ki-67在建模組和驗證組中分別評價模型性能，包括區(qū)分度評價和有效性評價。模型區(qū)分度評價采用受試者工作特征曲線（ROC）的曲線下面積（AUC），一般認為AUC在0.70～0.80之間區(qū)分度中等，AUC＞0.80區(qū)分度較高［6］；模型有效性評價采用決策曲線法（DCA）［7］。

結果

1.基線資料對比（表1）

表1 兩組乳腺癌患者治療前超聲及MRI非形態(tài)學參數(shù)預測EGFR表達模型的基線資料比較

所有患者根據(jù)隨機森林模型方法篩選EGFR建模組變量，將樣本按7∶3比例隨機分為建模組和驗證組，兩組在EGFR、ADC值、Max Slope、TTP、SER、EER、TIC、腫瘤長徑、腫瘤邊緣及邊界、縱橫比、微鈣化、CDFI分級、RI、腋窩淋巴結轉移（ALNM）組間差異均無統(tǒng)計學意義（均P＞0.05）。

2.EGFR變量篩選和回歸模型構建（圖1）

圖1 EGFR的隨機森林模型。A為基于Inc Node Purity＞2篩選為建模變量：ADC、長徑、EER和TTP；B為EGFR診斷列線圖

EGFR建模組采用隨機森林模型篩選變量，模型中Inc Node Purity代表每個變量對分類樹每個節(jié)點上觀測值異質(zhì)性的影響，是判斷預測變量重要性指標，Inc Node Purity值越大表示該變量重要性越大，本研究選取Inc Node Purity ＞2的變量作為建模變量，EGFR篩選變量為ADC、腫瘤長徑、EER和TTP。

3.EGFR預測模型效能驗證和評價（圖2、圖3）

圖2 EGFR預測模型建模組（A）與驗證組（B）ROC

圖3 EGFR預測模型建模組（A）和驗證組（B）DCA

⑴模型區(qū)分度評價：ROC分析顯示，建模組AUC=0.815，95%CI0.726～0.905；驗證組AUC=0.805，95%CI0.660～0.949。

⑵DCA模型有效性評價：本研究建模組和驗證組與None和All兩條線間的面積較大，建模組患者診斷概率在0%～50%范圍內(nèi)，驗證組診斷概率在15%～55%范圍內(nèi)，模型應用準確性和凈獲益最高，超出該范圍模型準確性有限，凈獲益明顯下降。

討論

EGFR在大部分組織（不包括造血系統(tǒng)）內(nèi)皆有分布，EGFR過表達對腫瘤細胞分裂、增殖具有誘導性，而乳腺癌中的EGFR過表達和腫瘤的自身分化、預后狀況皆存在某種聯(lián)系［8］。Rakha等［9］研究認為，乳腺癌患者的臨床病程仍然難以預測，因為具有明顯同質(zhì)形態(tài)特征的腫瘤其治療仍然會有不同的反應、呈現(xiàn)不同結局，他認為這與乳腺癌中免疫因子的表達有關，例如TNBC與EGFR的高表達及E-cad表達缺失有密切關系。張浩永和章宏欣［10］研究發(fā)現(xiàn)，乳腺癌患者血清中EGFR和血管內(nèi)皮生長因子（VEGF）表達水平呈正相關（r=0.728，P＜0.01），EGFR和VEGF表達水平與腫瘤大小、TNM分期、病理類型和淋巴結轉移等因素有關（均P＜0.05），且EGFR表達水平在乳腺癌手術后明顯下降，可作為判斷治療效果的重要指標。

目前，國內(nèi)外基于影像學構建的EGFR預測模型較少，Du和Zhao［11］在分析DCE-MRI紋理預測乳腺癌中EGFR突變狀態(tài)的研究中，利用單一信息源的圖像建模，探索反映EGFR突變狀態(tài)的表達，最終建模形成弱分類器對EGFR突變狀態(tài)具有良好的預測效果（訓練組：AUC=0.983，95%CI0.95～1.00，準確度0.962，特異度0.936，靈敏度0.979；測試組：AUC=0.983，95%CI0.94～1.00，準確度0.943，特異度1.000，靈敏度0.905）。本研究中，通過隨機森林篩選出預測EGFR的建模變量為ADC、最大長徑、EER和TTP。所建立模型的ROC顯示：建模組AUC=0.815，95%CI0.726～0.905；驗證組AUC=0.805，95%CI0.660～0.949，有較好的預測價值。模型中篩選出的參數(shù)均含有乳腺腫塊的長徑、TTP、ADC值，分別是形態(tài)學、血流動力學和功能學中的有效參數(shù)。乳腺癌中血液對腫瘤的滋養(yǎng)是腫瘤發(fā)生發(fā)展的重要原因，新生血管使腫瘤的體積快速增大，而病理性新生血管網(wǎng)因有裂隙分布［12］，其構成為不完整的單層內(nèi)皮，松弛且不具備舒縮能力。因此，在DCE-MRI上顯像為“快進快出”的灌注表現(xiàn)，這是腫瘤新生血管及其血流動力學的特征［13］。DWI是反映水分子擴散運動的一種MRI功能學成像方法，通過ADC值來衡量腫瘤細胞的密度。Zhang等［14］在關于ADC值與Ki-67的研究中認為，腫瘤ADC值可以反映腫瘤的增殖活性和分化程度，且ADC值與癌細胞的增殖能力呈反比。

目前，大部分國內(nèi)外專家所建立的術前影像學診斷乳腺癌的預測模型，多采用超聲或MRI的形態(tài)學指標作為建模參數(shù)，且多為單一影像學方法，乳腺癌超聲征象聯(lián)合MRI非形態(tài)學構建預測免疫因子的模型在國內(nèi)外還未有相似研究成果發(fā)表。雖然EGFR與E-cad在乳腺癌臨床診療中有重要參考價值，但關于EGFR的影像學預測模型的研究目前國內(nèi)外還未有成果報道，今后有待繼續(xù)完善。

在本研究過程中還存在以下問題。⑴本研究的模型預測數(shù)據(jù)來源于單區(qū)域中心小樣本數(shù)據(jù)，雖然內(nèi)部驗證和模型性能評價良好，但是并無先例參考驗證，能否外推到其他人群尚未可知，仍需要進一步的多中心外部驗證。⑵超聲影像學在這一模型中體現(xiàn)的價值不及MRI，僅超聲測量的最大長徑入選建模參數(shù)。分析認為：一方面，超聲指標多為定性參數(shù)或形態(tài)學指征，受檢查儀器和主診醫(yī)師經(jīng)驗的影響較大；另一方面，MRI參數(shù)為功能學與血流動力學參數(shù)，相較于超聲形態(tài)指征能更加敏感捕捉到各免疫因子在乳腺癌組織細胞中的變化。

綜上，本研究基于機器學習和DCA等方法對構建的乳腺癌治療前超聲征象/參數(shù)聯(lián)合MRI非形態(tài)學參數(shù)預測EGFR表達模型的分析，認為模型具有較好的診斷效能，可獲得更高臨床效益，對提高乳腺癌免疫因子的術前診斷、療效評估有較好的臨床應用價值。

利益沖突所有作者均聲明不存在利益沖突

作者貢獻聲明程辰：醞釀和設計試驗 ，實施研究 ，采集 、 分析/解釋數(shù)據(jù) ，起草文章 ， 統(tǒng)計分析 ， 獲取研究經(jīng)費 ； 周建國：采集數(shù)據(jù) ， 對文章的知識性內(nèi)容作批評性審閱 ， 技術支持指導 ， 支持性貢獻 ； 李雪平：實施研究 ， 采集數(shù)據(jù) ， 技術或材料支持 ；李洪娥：實施研究 ， 采集數(shù)據(jù) ， 對文章的知識性內(nèi)容作批評性審閱 ， 技術或材料支持 、 指導 ，支持性貢獻 ； 趙紅艷：醞釀和設計試驗 ，采集數(shù)據(jù) ，文章的知識性內(nèi)容作批評性審閱 ， 獲取研究經(jīng)費 ，行政 、技術或材料支持 ，指導 ，支持性貢獻